批量AI写稿为何让流量掉三成？220站实测

一句话结论：让流量掉下去的通常不是"用了 AI"，而是"用 AI 把同一件事写了三十遍"——产量放大的是结构缺陷，不是内容价值。

现象与数据：54% 的站点掉了三成

结论：规模化 AI 内容在部分样本中与流量大幅下滑同时出现，比例高到不能当作个案处理。

Amsive 的研究者 Lily Ray 在 2026 年 5 月发布的一项分析覆盖了 220 多个网站，结论是：这些站点在规模化发布 AI 生成内容后，54% 损失了峰值流量的 30% 以上。该数据经 Mumbrella 对 Man of Many《2026 Guide to GEO》的报道转述。

同一份报道里还有两组耐人寻味的数字：1,885 个页面加装结构化数据后，AI Overviews 的引用反而下降了 4.6%（Ahrefs，2026 年 5 月）；约 30 万个域名上的 llms.txt 文件，与引用之间没有可测关系（SE Ranking，2025 年 11 月）。

把这三组放在一起看，指向一个共同点：动作本身不等于效果，动作与站点的实际状态是否匹配才是关键。加标记、加文件、加产量，都属于"动作"，它们不解决"内容是否值得被引用"。

另一组数据提供了对照。Semrush 与 Kevin Indig 的 1,094 个品类研究显示，明确归属者之所以能守住位置，靠的是跨 5 条相关提问的一致性，而不是单条内容的数量（2026 年 7 月口径）。

反噬是怎么发生的

机制一：同质化让页面互相稀释

结论：当几十篇内容回答同一个问题时，模型没有理由选你其中某一篇，站内竞争先把权重摊薄了。

批量生成的通病是同一主题反复换标题。表面上是"覆盖了更多长尾"，实际是把一个问题的证据分散到几十个页面上，每个页面都单薄。

Semrush 那组 21% 的数据从另一侧印证了这件事：被引用最多的域名与被提及最多的品牌常常不是同一家。当站内页面互相重复时，连"哪一页代表你"都变得随机。

机制二：可信度被平均拉低

结论：AI 生成内容的特征一旦被识别，同站其他页面的评价会一起受影响。

Amsive 的研究没有给出机制层面的因果证明，但可以观察到现象：掉流量最严重的站点，往往同时具备三个特征——段落结构高度雷同、缺乏可核验的一手信息、几乎没有具体数字与来源。

这类内容在检索层的问题是缺少"可摘取的独特事实"。模型抽取答案时需要能独立成立的句子，通篇是行业概述的页面提供不了。

机制三：抓取预算被无效页面吃掉

结论：站点总量翻倍而质量不变时，爬虫分配给重要页面的访问会变少，这是一种隐蔽的自我挤压。

AthenaHQ 测得 AI 爬虫入口有 37.5% 起于博客。这意味着内容区的抓取压力本来就集中，再叠加几百个薄页面，核心页面的重访频率会被摊薄。

这也是为什么很多站点在"内容量翻三倍"之后，核心产品页的抓取频次反而下降——不是被惩罚，是被稀释。

反直觉：产量不是杠杆，结构才是

结论：决定内容能否被引用的，是每篇的可摘取性，而不是每月发了多少篇。

把上述数据重新排列会得到一个不太讨喜的结论：在 220 个站点里，做的是同一件事——增加产量，结果一半以上变差。说明产量与结果之间不存在单调关系，中间变量是结构。

结构包括什么：一个能独立回答问题的段落、一个能被单独摘走的结论句、一组带口径的数字、一张能对比的表。这些是模型在切片时真正需要的东西。

反过来看，如果每篇都具备上述结构，发布频率才有意义。结构化 3 篇胜过无结构 30 篇，不是因为 3 更吉利，而是因为 30 篇里能被摘取的句子密度更低。

这与引得多不等于用得多是同一层判断：模型引用的是句子，不是站点。

什么情况下多发确实有效

情况一：品类尚未被占位

Semrush 的样本中，53.7% 的品类没有任何品牌出现在 3 条以上相关提问里。这类品类仍处于可争夺状态，持续覆盖带来的边际收益明显高于已定型品类。

判断方法：把品类的 5 条核心提问各跑一遍，看是否已有品牌稳定出现。若没有，值得加密。

情况二：每篇都有独立的事实增量

如果新增内容带来的是新数据、新案例结构、新的可核验细节，多发不会稀释，而是扩大证据面。反之，只是把已有结论换个说法，就不属于这一类。

一条实操线：发布前问一句"这篇里有哪一句是别处没有的"，答不上来就不发。

情形	加产量的效果	判断依据
品类无明确归属者	边际收益高	5 条核心提问无品牌稳定出现
每篇有事实增量	证据面扩大	能指出别处没有的具体信息
主题重复、只换标题	权重被稀释	站内多页回答同一问题
通篇行业概述	可信度下降	无可核验数字与来源
薄页大量堆积	抓取被摊薄	核心页重访频次下降

操作清单：5 步自查内容是否在稀释

1. 统计同题页数：把最近 50 篇按主题聚类，同一主题超过 3 篇就要合并或改写。
2. 抽查摘取性：随机抽 10 段，看脱离上下文能否独立成答，不能就拆段补结论句。
3. 核对数字来源：每篇至少有一组带样本量、时间段、出处的数据，否则视为无增量。
4. 查核心页抓取：确认产品页与关键内容页的重访频率没有随发布量下降。
5. 设发布闸门：发布前必须能回答"这篇的独有事实是什么"，答不出就进待改队列。

常见问题

用 AI 写稿就会被降权吗？

现有研究没有给出"使用 AI 即降权"的证据。Amsive 的样本观察的是规模化发布与流量下滑的相关性，落点在生产方式导致的同质化，而不是工具本身。同一工具产出结构清晰、有独立事实的内容，与批量灌水是两回事。

多少篇算"批量"？

没有统一阈值。判断不看绝对数量，看单位主题的内容密度与增量。同一主题每月新增 20 篇且互不重复，与同一主题新增 3 篇但说法一致，后者风险更高。

加结构化数据反而掉引用，还要加吗？

Ahrefs 那组 4.6% 的下降是相关性结果，不能推出"加标记有害"。更合理的解读是：标记只能让已有内容更易被解析，不能弥补内容本身缺少可摘取事实。先把段落与结论句修好，再谈标记。

llms.txt 还有必要做吗？

SE Ranking 在约 30 万域名上的分析没有发现它与引用的可测关系。当成低成本的基础声明可以做，但不要期待它带来可见度变化，更不该把它当作内容策略的替代品。

已经发了几百篇薄页，怎么办？

先合并再删除。把同主题页面整合成一篇有完整结构的文章，保留最有外链与访问的地址，其余做跳转。直接批量删除会让已有索引与外部链接一起消失。

日更还有意义吗？

有，前提是每篇过闸门。灵曦GEO 的做法是每天固定少量发布，每篇必须通过结构预检——字数、段落长度、FAQ 组数、数据来源章，不达标不发。产量由质量闸门决定，而不是反过来。

数据与来源

• Amsive（Lily Ray），2026-05，样本 220+ 个网站，观察规模化 AI 生成内容与峰值流量变化。转引报道
• Ahrefs，2026-05，1,885 个页面加装结构化数据后 AI Overviews 引用变化 -4.6%。同上转引。
• SE Ranking，2025-11，约 30 万域名 llms.txt 与引用的关系分析。同上转引。
• Semrush × Kevin Indig，2026-07-21，1,094 个品类、5 万+ 品牌、60 万条引用，时间口径 2026 年 1-6 月。原文链接
• AthenaHQ《State of AI Search 2026》，2026-09-29，8 个主流 LLM、数百万条回答，AI 爬虫入口 37.5% 起于博客。通稿链接

边界与不适用

结论：这套判断适用于以自然检索为主要流量来源的内容站与企业站，不适用于纯投放驱动的落地页体系。

两类情况需要区别对待。其一，广告落地页不依赖自然检索，产量与结构的影响路径不同。其二，时效性极强的资讯站，同题重复是行业常态，判断标准应改为"是否有新的信息源"，而非"是否同题"。

还要说明：上述研究多为相关性观察，样本与行业分布各有局限，不能直接换算成对某一家站点的预测。把它当作风险提示与自查清单，比当作因果结论更合适。

结语

内容规模化的真正门槛不在产能，而在每篇的"可摘取密度"。把发布闸门立在结构上，日更三篇和月更九十篇的差别，会比想象中小得多。这套结构如何落到执行，可参考灵曦GEO的五步方法论；需要先看清自家站点从哪一步开始修，可以看GEO 服务页的诊断口径。